Liquid AIは、推論モデルで起きやすい「ドゥームループ」を減らすオープンソース手法Antidoomを公開しました。
ドゥームループは、モデルが同じ出力断片を繰り返し、最終的にコンテキストウィンドウが尽きるまで続く失敗です。
同社は特に小規模推論モデルで頻発するとし、長い思考トレースや難問で悪化しやすいと説明しています。
Antidoomは、ループ開始の最初のトークンだけを特定し、その位置での確率を一貫した複数候補に分散させるよう再学習します。
学習アルゴリズムはFinal Token Preference Optimization（FTPO）で、DPOに似た選好最適化として設計されています。
早期のLFM2.5-2.6Bでは、難しい数学・コーディング課題の完了でループが10.2%から1.4%に低下しました。
またQwen3.5-4Bでも、貪欲サンプリング時のループ率が22.9%から1%へ下がったとしています。
パイプラインは生成と学習を合わせて数時間で動作し、検出・生成・FTPO学習の全スタックを公開するとしています。
同社は、ループを取り除くことで評価スコアが全体的に改善したとし、追加の広範なサンプリング変更は行わない方針です。
参照元：2026/07/08 「Liquid AI Open-Sources Antidoom: A Final Token Preference Optimization (FTPO) Method that Reduces Doom Loops in Reasoning Models」 https://www.marktechpost.com/2026/07/07/liquid-ai-antidoom-doom-loops-ftpo/
この記事へのリアクション
このニュースをどう受け止めましたか？
コメント